待验证50% 置信事实精确时间
离线RL的核心挑战是分布偏移，CQL通过惩罚项压低未见过动作的Q值，IQL则完全避免对数据集外动作的直接查询
1
来源数
50%
置信度
长期有效
时效性
2026/7/17
首次发现
来源
相关事实
待验证离线RL的核心难题是如何避免对数据集未覆盖的状态-动作对产生过于乐观的价值估计（分布外外推问题）75% 相似待验证Claude Code发现了ClassLoader隔离可能阻止GC、无界增长的索引指标数据无自动清理等深层资源泄露风险62% 相似待验证行级安全策略（RLS）将权限判断下沉到数据库层，即便应用层代码存在漏洞数据库层也不会返回越权数据61% 相似待验证作者建议在lx中避免使用推理/思维链模型（如QwQ、DeepSeek-R1），因其思维链会消耗大量token预算导致结果被截断60% 相似待验证在高并发下，底层大模型推理服务（如vLLM、TGI、Ollama）可能因GPU显存不足或请求队列溢出而截断响应或拒绝请求59% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/545356API
curl https://kongchang.com/api/v1/knowledge/claims/545356MCP
get_claim(id=545356)